Automatic detection of depression in clinical interviews with large language models
Diese Studie zeigt, dass die automatisierte Sprachanalyse klinischer Interviews mittels Transformer-basierter Modelle und Ensemble-Strategien eine Major Depression bei kantonesisch sprechenden Personen effektiv erkennen kann, was die Verarbeitungseffizienz signifikant verbessert, während gleichzeitig die Bedeutung der Transkriptionsqualität und des Gesprächskontexts für eine optimale Leistung hervorgehoben wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Depressionen sind eine häufige und ernste Erkrankung, die Millionen von Menschen weltweit betrifft, doch eine Früherkennung hängt oft von der Fähigkeit einer Person ab, Zugang zu einem ausgebildeten Experten für psychische Gesundheit zu finden. In vielen Regionen sind diese Experten rar gesät, und der Prozess der Diagnose kann schleppend verlaufen, wodurch viele ohne die notwendige Hilfe bleiben. Um dies zu adressieren, haben Forscher damit begonnen zu untersuchen, ob Computer lernen können, Anzeichen von Depressionen zu erkennen, indem sie darauf hören, wie Menschen sprechen. Dieses Feld stützt sich auf die Idee, dass die Art und Weise, wie eine Person ihre Gefühle beschreibt, die Wörter, die sie wählt, und der Rhythmus ihres Gesprächs den mentalen Zustand offenbaren können. Jüngste Fortschritte in der künstlichen Intelligenz haben leistungsstarke Werkzeuge geschaffen, die in der Lage sind, menschliche Sprache zu verstehen, was einen neuen Weg zur automatischen Analyse dieser Gespräche eröffnet. Das Ziel ist nicht, Ärzte zu ersetzen, sondern ein schnelles, zugängliches Werkzeug zu schaffen, das dabei helfen kann, zu identifizieren, wer Pflege benötigt, um potenziell Menschen zu erreichen, die sonst undiagnostiziert blieben.
Ein Forschungsteam der Chinesischen Universität von Hongkong unternahm den Versuch zu testen, ob diese Werkzeuge der künstlichen Intelligenz durch Aufzeichnungen klinischer Interviews genau erkennen konnten, ob eine schwere depressive Störung vorliegt. Sie arbeiteten mit 299 kantonesischsprachigen Teilnehmern, darunter 194 Patienten, bei denen eine Depression diagnostiziert wurde, und 105 gesunden Personen. Die Forscher zeichneten strukturierte Interviews auf, in denen ein Kliniker Fragen stellte und der Teilnehmer antwortete. Um den Prozess schneller und skalierbarer zu gestalten, verglichen sie zwei Wege, diese Audioaufnahmen in Text umzuwandeln. Die erste Methode war der traditionelle Ansatz, bei dem Menschen jedes gesprochene Wort manuell mitschrieben, ein Prozess, der etwa 45 Minuten pro Interview dauerte. Die zweite Methode nutzte ein automatisiertes System, um das Audio sofort zu transkribieren. Diese Texte speisten sie dann in mehrere verschiedene Computermodelle ein, die darauf ausgelegt waren, Sprache zu verstehen, um zu testen, ob die Modelle den Unterschied zwischen den gesunden Teilnehmern und denjenigen mit Depressionen erkennen konnten.
Die Studie ergab, dass die Verwendung des automatisierten Transkriptionssystems ein massiver Sprung in der Effizienz war. Es reduzierte die Zeit, die für die Bearbeitung jedes Interviews benötigt wurde, von etwa 45 Minuten auf unter 10 Minuten, was einer Reduktion von 79 Prozent entspricht. Diese Geschwindigkeit macht es möglich, große Mengen an Interviews schnell zu analysieren, was für die praktische Anwendung entscheidend ist. Die Forscher entdeckten jedoch auch, dass diese Geschwindigkeit mit einem kleinen Kompromiss einherging. Die Modelle, die mit den manuell geschriebenen Texten trainiert wurden, waren etwas besser darin, Depressionen zu identifizieren, als jene, die mit den automatisch generierten Texten trainiert wurden. Dies deutet darauf hin, dass Maschinen zwar sehr gut im Zuhören werden, aber gelegentlich die subtilen Nuancen übersehen, die ein menschlicher Transkriptor erfasst. Trotz dieser kleinen Lücke waren die automatisierten Versionen immer noch hocheffektiv und bewiesen, dass die Technologie bereit für den praktischen Einsatz ist, wenn die Geschwindigkeit entscheidend ist.
Eine weitere wichtige Entdeckung betraf die Frage, auf welche Teile des Gesprächs der Computer hören sollte. Die Forscher testeten zwei Szenarien: eines, bei dem das Modell nur die Antworten des Patienten las, und eines, bei dem es das gesamte Gespräch einschließlich der Fragen des Arztes las. Sie fanden heraus, dass die Modelle besser abschnitten, wenn sie den vollen Kontext des Dialogs hatten. Eine kurze Antwort eines Patienten, wie etwa „nicht wirklich“ oder „manchmal“, mag für sich allein betrachtet vage erscheinen, aber wenn das Modell die Frage sieht, die zuvor gestellt wurde, wird die Bedeutung viel klarer. Wenn ein Arzt beispielsweise nach den Schlafmustern fragt und der Patient „manchmal“ sagt, versteht der Computer, dass sich dies auf Schlafstörungen bezieht. Dieser Kontext hilft dem Modell, genauere Urteile zu fällen, was zeigt, dass die Interaktion zwischen Arzt und Patient wertvolle Hinweise enthält, die verloren gehen, wenn nur die Stimme des Patienten analysiert wird.
Um die Erkennung noch zuverlässiger zu machen, kombinierte das Team die Vorhersagen mehrerer verschiedener Computermodelle zu einem einzigen, stärkeren System. Sie testeten verschiedene Arten, diese Meinungen zusammenzuführen, wie etwa das Bilden des Durchschnitts ihrer Werte oder das Suchen nach dem stärksten Signal unter ihnen. Dieser kombinierte Ansatz, bekannt als Ensemble, verbesserte die Genauigkeit der Erkennung über das hinaus, was ein einzelnes Modell allein erreichen könnte. Die am besten abschneidende Kombination wurde dann an einer völlig neuen Gruppe von 169 jungen Menschen getestet, die nicht Teil der ursprünglichen Studie waren. In diesem unabhängigen Test identifizierte das kombinierte System Depressionen mit einem hohen Maß an Genauigkeit und schnitt dabei genauso gut ab wie das beste Einzelmodell und sogar etwas besser als die anderen. Dies bestätigte, dass das System seine Erkenntnisse auf neue Menschen verallgemeinern konnte und nicht nur auf diejenigen, an denen es trainiert wurde.
Die Ergebnisse dieser Studie bieten einen vielversprechenden Weg für die psychische Gesundheitsversorgung. Die Forscher zeigten, dass es möglich ist, ein System zu bauen, das Depressionen aus der Sprache mit hoher Genauigkeit erkennt und gleichzeitig die für die Analyse erforderte Zeit drastisch reduziert. Obwohl die automatisierten Transkripte nicht perfekt waren, waren sie gut genug, um ein System zu unterstützen, das in der realen Welt gut funktioniert. Die Studie hob auch hervor, dass die Einbeziehung der Fragen des Arztes den entscheidenden Kontext liefert, der das Verständnis des Computers verbessert. Während das System noch kein Ersatz für eine menschliche Diagnose ist, stellt es einen bedeutenden Schritt dar, um das Screening der psychischen Gesundheit schneller, zugänglicher und für mehr Menschen, die es benötigen, verfügbar zu machen. Die Arbeit legt nahe, dass mit den richtigen Werkzeugen Technologie helfen kann, die Lücke zwischen den unter Depressionen Leidenden und der Pflege, die sie verdienen, zu schließen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.